О непараметрическом анализе данных в задаче идентификации
Исследуется задача восстановления матрицы наблюдений при оценивании функции регрессии по измерениям со случайными ошибками. Заполнение пропусков осуществляется с помощью непараметрической оценки кривой регрессии. Приводятся результаты численных исследований, иллюстрирующих эффективность работы предложенной методики. Рассматривается моделирование нового класса процессов стохастических объектов со статистической зависимостью компонент вектора входа.
Nonparametric data analysis in identification problem.pdf Проблема моделирования, идентификации, безусловно, надолго останется одной из центральных проблем кибернетики. При формулировке задач идентификации и управления особую роль играет уровень априорной информации. Он зависит как от априорных знаний о процессе, имеющихся средствах контроля, так и от самой технологии измерения переменных. Более того, отличие в средствах контроля неизбежно будет приводить к различным постановкам задач идентификации и моделирования даже для процессов одного и того же типа. Приведем достаточно общую схему исследуемого процесса: Рис. 1. Общая схема исследуемого процесса и контроля переменных На рис. 1 приняты обозначения: А - неизвестный оператор объекта, х(:) е Q(x) с R1 - выходная переменная процесса, u(:) = ((t),u2(t),...,um(t)) е Q(u) сRm - входное воздействие, |(t) - векторное случайное воздействие, t - непрерывное время, Hu, Hx - каналы связи, соответствующие различным переменным, включающие в себя средства контроля, hu (t), hx (t) - случайные помехи измерений соответствующих переменных процесса с нулевыми математическими ожиданиями и ограниченной дисперсией. Контроль u (t) осуществляется через интервал времени At, контроль x(t) - через AT , причем At 0 Vu e Q(u). Для восстановления x = M {x | u} используются непараметрические оценки [2,4]: 5 m / 5 m xs (u) = S x. Пф(с- (uj - uj ))/ХПФ(с-1 ( - uj )) , (3) i =1 j=1 / i=1 j=1 где Ф(с-1 (uJ - u.)), i = 1,5, j = 1, m, - ядерная колоколообразная функция и коэффициент размытости ядра c5 удовлетворяют следующим условиям сходимости [2, 4]: c5 > 0; ФОс-1^ - uj)) > 0; lim c5 = 0; [ Ф^-Ч^ - uj ))duJ
Ключевые слова
идентификация,
непараметрические модели,
«трубчатые» процессы,
identification,
nonparametric models,
«tubular» processesАвторы
Корнеева Анна Анатольевна | Сибирский федеральный университет (г. Красноярск) | аспирантка кафедры информационных систем Института космических и информационных технологий | anna.korneeva.90@mail.ru |
Сергеева Наталья Александровна | Сибирский федеральный университет (г. Красноярск) | кандидат технических наук, доцент кафедры информатики Института космических и информационных технологий | sergena@list.ru |
Чжан Екатерина Анатольевна | Сибирский федеральный университет (г. Красноярск) | магистрантка кафедры системного анализа и управления Института космических и информационных технологий | ekach@list.ru |
Всего: 3
Ссылки
Эйкхоф П. Основы идентификации систем управления. М.: Мир, 1975. 683 с.
Медведев А.В. Непараметрические системы адаптации. Новосибирск: Наука, 1983.174 с.
Кошкин Г.М. Пивен И.Г. Непараметрическая идентификация стохастических объектов. Хабаровск: Российская академия наук. Дальневосточное отделение, 2009. 336 с.
Надарая Э.А. Непараметрические оценки плотности вероятности и кривой регрессии. Тбилиси: Изд-во Тбил. ун-та, 1983. 194 с.
Корнеева А.А. О непараметрическом восстановлении матрицы наблюдений с пропусками в задаче идентификации с шумами / Молодой ученый. 2012. № 3(38). С. 51-60.
Медведев А.В. Анализ данных в задаче идентификации // Компьютерный анализ данных моделирования. Минск: БГУ, 1995. Т. 2. С. 201-206.
Чжан Е.А. О непараметрической идентификации стохастических систем с запаздыванием / Е.А. Чжан, Н.А. Сергеева // Кибернетика и высокие технологии XXI века: труды XIII Международной научно-технической конференции. Воронеж, 2012. Т. 1. С. 63-74.